แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการสูญเสียโฟกัสสำหรับการตรวจจับที่ไม่สมดุล

ตรวจสอบโมดูเลเตอร์การสูญเสียโฟกัส ความไม่สมดุลของคลาส บทบาทของอัลฟ่าและแกมม่า และความแตกต่างระหว่างตัวอย่างที่ได้รับการจัดประเภทอย่างดีและยาก

คำถาม 1 ของ 8

ปัญหาหลักประการใดในการตรวจจับวัตถุในขั้นตอนเดียวคือการสูญเสียโฟกัสที่ออกแบบมาเพื่อแก้ไข

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ปัญหาหลักประการใดในการตรวจจับวัตถุในขั้นตอนเดียวคือการสูญเสียโฟกัสที่ออกแบบมาเพื่อแก้ไข
    • ความไม่สมดุลอย่างมากระหว่างวัตถุเบื้องหน้าที่หายากและพื้นหลังที่เรียบง่ายมากมาย
    • ความเร็วในการอนุมานช้าของเครื่องตรวจจับแบบสองขั้นตอน
    • ขาดข้อมูลการฝึกอบรมที่มีป้ายกำกับ
    • การสวมเข้ากับวัตถุขนาดใหญ่มากเกินไป
  2. อะไรคือปัจจัยมอดูเลตที่การสูญเสียโฟกัสคูณกับเอนโทรปีข้าม?
    • เข้าสู่ระบบ(p_t)
    • (1 - p_t)^แกมมา
    • p_t^2 เท่านั้น
    • 1 / หน้า
  3. จะเกิดอะไรขึ้นกับการสูญเสียโฟกัสเมื่อตั้งค่าแกมม่าพารามิเตอร์การโฟกัสเป็น 0
    • มันกลายเป็นค่าคลาดเคลื่อนกำลังสองเฉลี่ย
    • มันไม่สนใจตัวอย่างเชิงบวกทั้งหมด
    • มันจะกลายเป็นเอนโทรปีข้ามธรรมดา
    • มันแปรผันไปสู่อนันต์
  4. การเพิ่มแกมมามีประโยชน์อย่างไรกับตัวอย่างที่ง่ายและแยกประเภทได้ดี
    • เพิ่มการมีส่วนร่วมในการสูญเสีย
    • ปล่อยให้การสนับสนุนไม่เปลี่ยนแปลง
    • ลบออกจากชุดข้อมูล
    • ระงับการมีส่วนสนับสนุนการสูญเสียให้แข็งแกร่งยิ่งขึ้น
  5. สถาปัตยกรรมตัวตรวจจับใดทำให้เกิดการสูญเสียโฟกัส
    • RetinaNet
    • โยโลฟ1
    • R-CNN ที่เร็วขึ้น
    • อเล็กซ์เน็ต
  6. โดยทั่วไปแล้วพารามิเตอร์อัลฟ่าจะมีบทบาทควบคู่ไปกับแกมมาอย่างไร
    • มันกำหนดอัตราการเรียนรู้
    • มันสมดุลน้ำหนักสัมพัทธ์ของคลาสที่เป็นบวกและลบ
    • มันควบคุมความละเอียดของภาพ
    • กำหนดจำนวนกล่องพุก
  7. For a hard example with p_t close to zero, what is the focal modulating factor (1 − p_t)^gamma likely to do?
    • Drive the factor to zero
    • Turn the example into a positive label
    • Keep the factor relatively close to one so the example retains substantial loss weight
    • Replace the cross-entropy term with alpha
  8. A dense detector has many easy background locations. What effect does focal loss aim to have on their combined training influence?
    • Increase their count by duplicating them
    • Remove all positive object examples
    • Make every example receive an identical loss
    • Reduce their dominance so training can focus more on sparse hard examples